[发明专利]一种胎儿健康预警系统及方法

说明书

本申请属于母婴监护技术领域，特别涉及一种胎儿健康预警系统及方法。所述胎儿健康预警系统包括数学分析模型建立模块和数据分析模块；所述数学分析模型建立模块用于收集胎心测量仪的数据，建立数学分析模型；所述数据分析模块用于根据建立的数学分析模型，利用数据挖掘技术，达到输出值与目标值更接近，并根据胎心率数据给出胎儿健康预警信息，其中，所述胎心率数据为胎心率减速数据，包括胎心率减速变异减速下降幅度和变异减速持续时间。本申请实施例可以更加准确的预测胎儿健康，并及时对胎儿健康给出预警信息，保证胎儿安全。

技术领域

本申请属于母婴监护技术领域，特别涉及一种胎儿健康预警系统及方法。

背景技术

胎儿心率监护是判断胎儿在母体内是否健康的一项重要技术指标。通过超声多普勒等方法获得胎儿心率信号后，通过相关的胎儿健康预警算法判断胎儿是否健康，得到胎儿健康预警信息。现有的胎儿健康预警算法普遍存在准确度较低、算法分析结果真实性不高等技术问题。

发明内容

本申请提供了一种胎儿健康预警系统及方法，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种胎儿健康预警系统，包括数学分析模型建立模块和数据分析模块；所述数学分析模型建立模块用于收集胎心测量仪的数据，建立数学分析模型；所述数据分析模块用于根据建立的数学分析模型，利用数据挖掘技术，达到输出值与目标值更接近，并根据胎心率数据给出胎儿健康预警信息，其中，所述胎心率数据为胎心率减速数据，包括胎心率减速变异减速下降幅度和变异减速持续时间。

本申请实施例采取的技术方案还包括：所述建立的数学分析模型包括胎心率加速的数学模型、胎心率减速的数学模型、胎心率变异的数学模型、宫缩曲线的数学模型、胎心率平滑曲线数学模型和宫缩平滑曲线数学模型。

本申请实施例采取的技术方案还包括：所述数据分析模块的数据挖掘技术包括：决策树算法、神经网络算法、聚类分析算法以及时序算法，具体为：从输入的数据中，利用聚类分析算法及时序算法，对数据进行分类，生成决策树需要的数据样本，根据决策树算法对数据样本进行检验、校正，生成神经网络的数据节点，每个节点的连接加入权重值，根据神经网络算法，不断调整权重，达到输出值与目标值更接近。

本申请实施例采取的技术方案还包括：所述根据胎心率减速变异减速下降幅度和变异减速持续时间给出胎儿健康预警信息包括：如果胎心率减速变异减速下降幅度＜30bpm，且变异减速持续时间＜30s，则胎心率减速为轻度；如果胎心率减速变异减速下降幅度在30－60bpm，且变异减速持续时间在30－60s，则胎心率减速为中度；如果胎心率减速变异减速下降幅度＞60bpm，且变异减速持续时间＞60s，则胎心率减速为重度。

本申请实施例采取的技术方案还包括数据管理模块，所述数据管理模块包括关系型和非关系型数据管理模块、数据融合和集成模块、数据抽取模块和数据过滤模块。

本申请实施例采取的另一技术方案为：一种胎儿健康预警方法，包括：

步骤a：利用胎心仪监测胎儿的胎心及胎动数据；

步骤b：根据监测数据，计算变异减速下降幅度和变异减速持续时间，根据变异减速下降幅度和变异减速持续时间将胎心率减速进行分类；

步骤c：根据胎心率减速分类以及所处的周期，给出胎儿健康预警信息，其中，所述胎心率数据为胎心率减速数据，包括胎心率减速变异减速下降幅度和变异减速持续时间。

本申请实施例采取的技术方案还包括：所述步骤a之后还包括：根据获取胎心率基线判断是否存在基线变异，如果存在基线变异则进入步骤b，如果不存在基线变异则返回步骤a，继续进行监测。